課程目標： 本課程的教學內容結合具體應用案例，講解機器學習中的經典原理和實際應用，具體包括機器學習中的廣義線性回歸算法、隨機森林算法與圖模型等相關技術。本課程以Python編程語言為開發(fā)語言為基礎講解機器學習的基本原理以及在數(shù)據(jù)分析、文本處理等領域的典型應用。通過本課程的學習，學員可以深入的掌握機器學習技術，并為后續(xù)獨立從事異常識別、風險管控、企業(yè)征信以及商品歸類等機器學習相關領域的開發(fā)工作奠定理論和應用基礎，進一步推動企業(yè)的信息化水平。 課程大綱： 時間 主題 內容 第一天 上午 數(shù)據(jù)挖掘主要技術 廣義線性回歸原理與應用 1、數(shù)據(jù)挖掘主流算法 2、線性回歸與邏輯回歸原理與應用 3、典型數(shù)據(jù)預處理與維度約減 4、廣義線性回歸原理與應用 5、廣告點擊率預估數(shù)據(jù)挖掘案例 下午 決策樹與隨機森林原理與應用 1、決策樹原理與應用 2、ID3、C4.5與CART算法 3、隨機森林算法 4、共享單車投放地點和數(shù)量預測案例 5、數(shù)據(jù)聚類算法 6、新聞聚類與熱點主題發(fā)現(xiàn)案例 第二天 上午 圖模型原理與應用 1、復雜網(wǎng)絡原理與應用 2、經典圖計算框架應用 3、PageRank算法及應用 4、基于圖模型的文本摘要案例 下午 基于圖模型的推薦算法 1、協(xié)同過濾推薦算法與應用 2、商品推薦系統(tǒng)設計與實現(xiàn) 3、SVD與其他矩陣分解算法與應用 4、電影推薦經典案例